各方报道 1 篇
arXiv NLP·10-16 12:00★ 3
PRISM：工具调用模型激活干预的迁移研究
原文 研究提出 PRISM 框架，评估激活干预在精度、语言与规模上的迁移能力。利用 NF4 量化标签与跨语言迁移可稳定估计干预方向，五语言监督方向成功迁移至阿拉伯语，使 Llama-3.1-8B 的不安全违规降低 21.95 个百分点。该方法还可迁移至 70B 参数级模型。
关联
Meta AI 其他动态（27 篇，与该事件无直接关联）展开 ▾
11-02 13:00BILAL-BENCH 发布：评测孟加拉语开源模型编造伊斯兰典籍arXiv NLP10-23 12:00研究：微调 Llama-3.3-70B 监控器可将未发现串谋从 91% 降至 14-20%arXiv cs.AI10-23 12:00研究：Llama-3.1-8B 激活探针可检测并引导欺骗与谄媚行为arXiv cs.LG10-23 12:00研究：Llama-3.1 文档级 LoRA 适配器开卷评分多测阅读行为arXiv NLP10-21 12:00研究：多智能体协作提升临床任务表现但不必然减少幻觉arXiv cs.AI10-20 12:00研究揭示 DRY 采样器重复循环盲区，提出 DRY-CarXiv NLP10-19 12:00CADENCE 提出自适应解码：一次预测多 token 提速 1.3 倍arXiv cs.LG10-16 12:00arXiv 论文：SAE 引导小模型欺骗行为特征arXiv cs.LG10-16 12:00RoPERelay：稀疏 KV 缓存的选择后位置几何优化arXiv NLP10-15 12:00PMO-Dock 基准发布：分子对接优化评测新协议arXiv cs.LG10-15 12:00arXiv 论文：Genesis Steering 用训练数据改进激活引导arXiv cs.LG10-15 12:00Titan-Llama：为预训练LLM加外部神经记忆模块arXiv NLP10-14 12:00分层分析：Llama-3.2-1B 与 Gemma-3-1B 是否内部区分语言特征arXiv NLP10-12 12:00arXiv 论文：语言模型具备可解释叙事机制arXiv NLP10-08 12:00研究定位 LLaMA-2-7B-Chat 安全关键参数，0.19% 权重即可攻破arXiv cs.AI10-02 12:00注意力流形：用B样条曲面调控语言模型arXiv cs.LG10-01 12:00不确定性归一化边际的 DPO 改进arXiv cs.LG09-29 12:00异构多智能体LLM的免预填充KV缓存迁移arXiv cs.AI09-25 01:16开放模型在LocalLLaMA社区的实际采用研究Hacker News – AI09-24 20:03用圆绘制羊驼的傅里叶分析Hacker News09-23 12:00研究：后训练微调抹平LLM跨文化差异arXiv cs.AI09-21 12:00AI 评审训练 AI 评审：科学判断坍缩与缓解arXiv cs.LG09-18 12:00研究用LLaMA-3.1-8B隐状态检测有害提示arXiv cs.AI09-16 12:00诱饵方向优化：对抗LLM消融的事后防御arXiv cs.LG09-15 12:00通信高效的联邦LoRA微调自适应相位切换方法arXiv cs.LG09-03 12:00CoMerge：冲突驱动的多任务模型合并偏好优化arXiv cs.AI09-02 12:00EGT-KG：面向实际科学问答的证据接地类型化知识图谱检索arXiv cs.AI